《知识结构化》系列课程，由昆仑数据首席数据科学家田春华博士讲解，从工业知识的角度出发，手把手带大家深入了解知识沉淀的方法，解析经典知识沉淀和大数据时代知识沉淀的区别。
曾几何时，专家系统（Expert System）作为人工智能的主要工具，被寄予殷切期望，然而形式逻辑推理的模式遇到了发展的瓶颈。昨日重现，统计学习、深度学习大行其道的今天，数据驱动的模式在行业应用中也遇到了一些挑战。
在工业，多样专家经验和多源异构数据“闻多数博”，将专家知识与数据驱动融合起来，有望实现升维思考、降维行动。本视频系列讨论大数据时代下工业知识的结构化的挑战与方法，期望抛砖引玉，共同推进工业数据价值落地。
什么是知识？工业知识有哪些类别？我们想要发掘的工业知识在哪里？以往的知识运用形式？什么是知识结构化？为什么要结构化？本期视频详细解答了这些问题。
1、工业知识的初步分类
从知识的明确度：分为可以明确表达的显性知识，只能用语言表达一部分但无法完全表达的隐性知识，只可意会不可言传的缄默知识。
从知识本身用途：分为表示各个概念之间关系的概念型知识、表示如何做的过程型知识。
2、工业知识沉淀聚焦在例行的知识自动化、案例库的形式化管理两个方向。
3、为什么要做知识结构化
技术视角：工业知识结构化可以进行体系化演进、持续沉淀、低损传承。
经济视角：宏观层面，工业软件的核心是工业知识，知识结构化才能更好地延续，实现工业软件自主化；
中观层面，目前我国的工业正在从跟踪型转变为领先型，工业知识沉淀并持续演进、验证、积累，才能促进向领先型转变；
微观层面，企业人才体系面临很大的挑战，老专家面临退休，经验需要传递；同时年轻人渴望创造性工作，加速了知识沉淀的紧迫性。
下期小课堂，田博将为大家分享经典的知识沉淀方法，解答知识结构化为什么这么难、大数据能为工业知识结构化带来哪些改变？敬请期待！
用户评论